一、安全性限制下的隐写容量分析（论文文献综述）
乔彦[1]（2021）在《高动态范围图像隐写技术研究》文中认为互联网自1969年诞生以来,在各个领域都有不可忽视的建树,同时也给信息安全领域带来了极大的挑战。信息隐藏技术是针对信息安全问题发展起来的,利用不同形式的传播载体实现秘密信息的传递,其中一个分支就是隐写。以图像为载体的隐写技术,从修改操作的作用域进行划分,有空域和变换域两种,并逐渐从无差别对待所有像素点的非自适应隐写发展到关注图像内容并结合编码的自适应隐写,随着深度学习领域的日益火爆和计算机算力的提升,利用深度学习网络模型进行训练直接生成隐写图像以及利用对抗思想进行隐写分析也成为当今图像隐写技术很有前景的发展方向。但现有研究大部分都将LDR图像作为隐写载体,在隐写安全性和隐写容量的权衡上还有一定的局限。高动态范围图像与传统图像相比,其浮点数数据类型的特性能够提供极大的动态范围,从而将自然场景中的色彩、亮度等各种细节真实地展现出来,因此在数字图像领域受到越发广泛的关注。同时,浮点数数据类型也使得HDR图像的冗余空间更大,这也为图像隐写技术提供了新的思路。本文对HDR图像的不同存储格式进行细致研究,以传统图像隐写术和基于深度学习的图像隐写术为理论基础,提出了两种不同的以HDR图像作为载体图像的隐写算法:1)基于RGBE格式的HDR图像隐写算法结合自适应隐写算法思想,将图像分为平坦区域和边缘区域,根据HDR图像像素点的指数值确定像素修改幅度从而对其进行修改,实现秘密信息的嵌入。经验证,本算法生成的隐写图像的可感知概率很低,能够达到SCOA安全等级,与现有的基于HDR图像的隐写算法相比,生成的隐写图像质量更好。2)基于卷积网络的HDR图像隐写算法利用Open EXR格式提取HDR图像小数空域的后八位比特作为隐写载体,设计了以Residual Block为基础模块的隐藏网络和提取网络,并将余弦相似性函数加入损失函数中,衡量图像对之间的颜色失真,最终实现将一张LDR图像隐藏到相同尺寸的HDR图像中。从主观视觉和客观指标两个方面对生成的图像进行质量评估,均取得了不错的效果。除此,实验证明所提算法能够抵抗隐写分析工具的攻击,安全性较高。
王子驰[2]（2020）在《数字图像安全隐写研究》文中研究说明隐写技术将秘密信息隐藏在正常媒体中,以便通过公共信道传递,从而实现隐蔽通信,对国家安全和隐私保护均有重要意义。近年来网络上广泛传播的数字图像为隐写提供了极大便利,多载体隐写可充分利用批量图像的有利条件,采用多幅图像负载秘密信息,以实现大量机密数据的隐蔽传输。在情报传送、代码渗透等需隐蔽传送大量机密数据的实战场景中占有重要地位。本论文围绕数字图像隐写的前沿性问题,对单载体与多载体隐写进行研究,取得如下创新成果:1.JPEG隐写失真函数优化提出了一种优化现有JPEG隐写失真函数的通用方法。对JPEG载体图像,利用维纳滤波构造一幅接近未压缩内容的参考图像,并据此确定每个DCT系数加1或减1的倾向修改方向,之后通过最小化含密图像与载体图像的特征距离来确定倾向修改方向上的代价修改比例,再进行隐写嵌入。该方法可与多种特征联用,大幅提高隐写安全性。2.联合载体选择与嵌入量分配的多载体隐写提出了一种联合载体选择与嵌入量分配的多载体隐写方法。首先证明了随着嵌入量增加,单图像隐写失真关于嵌入量的一阶导数单调递增;并推导出总体失真最小条件下,各图像隐写失真关于嵌入量的一阶导数应该相等;根据上述结论,设计了一种同时完成载体选择与嵌入量分配的多载体隐写方法,可最小化含密图像集的总体失真,显着提高多载体隐写安全性。3.抗批量隐写分析的载体选择提出了一种能同时抵抗批量隐写分析与单对象隐写分析的载体选择方法。在载体选择过程中,通过保持含密图像集与任意载体图像集间的MMD（Maximum Mean Discrepancy）距离不大于正常阈值来抵抗批量隐写分析,其中正常阈值为两任意载体图像集间的MMD距离。在此限定条件下,通过选择隐写失真小的图像来抵抗单对象隐写分析。据此可同时保证隐写在批量隐写分析与单对象隐写分析下的安全性。4.规避预处理的载体选择鉴于隐写者持有的图像可能已经过某种预处理,如用于改善图像质量的对比度增强、图像去噪等操作。提出了一种规避预处理的载体选择方法,考虑预处理与嵌入操作引起的失真。对于预处理失真,通过训练预分类器给出图像经过预处理的可能性,可能性越高表示预处理失真越大。对于嵌入失真,则利用当下的失真最小化框架计算。最后将两类失真融合,选择总失真最小的图像作为载体。本论文研究了单载体隐写中的失真函数优化、多载体隐写中的载体选择与嵌入量分配等问题,设计了多种数字图像隐写方法。显着提高数字图像隐写安全性。
殷娇娇[3]（2018）在《多载体图像隐写研究》文中认为计算机网络和数字媒体技术的快速发展在信息传递方面带来极大便利的同时,也导致了各种信息安全隐患。图像隐写利用数字图像的视觉冗余性隐藏秘密信息,实现秘密信息的安全传输,是信息安全领域的研究热点之一。然而传统数字图像隐写研究主要是针对单张载体图像的。随着大数据时代的到来,数字图像在互联网上呈现爆炸式地增长。隐写者可以将秘密信息同时嵌入到多张载体图像中,传统单载体图像隐写面临着新的挑战。如何设计安全有效的多载体图像隐写方法是个亟待解决的问题。本文将围绕研究多载体图像隐写中的嵌密策略和嵌密算法展开研究,主要研究成果如下:（1）分别设计了基于载体图像纹理复杂度和失真统计分布的两种嵌密策略,用于多载体图像隐写中秘密信息的分配。前者结合载体图像的纹理复杂度和大小量化定义载体图像的最大隐写容量,并将秘密信息嵌入到最少的载体图像中,每张载体图像分配的秘密信息长度等于其最大隐写容量。该策略可以为纹理较复杂的载体图像分配更多的秘密信息。后者首先计算所有图像中每个像素的失真值,然后根据载体图像的失真统计分布情况进行秘密信息的分配。该策略可以为失真较小的载体图像分配更多的秘密信息。实验结果表明利用这两种嵌密策略均可以提高隐写方法的抗隐写分析检测性能。（2）提出了一种基于JPEG图像DCT块间相关性的多载体隐写方法,用于多载体图像隐写中秘密信息的嵌入。该隐写方法充分考虑了相邻DCT块间系数的相互嵌入影响,在嵌密的过程中根据相邻DCT块中对应位置系数的嵌入修改情况,动态地调整系数的失真值,使得相邻的DCT块间系数尽可能地出现同样的嵌入修改。实验结果表明,该隐写方法可以有效地聚合相邻DCT块间系数的嵌入修改,保持相邻DCT块间相关性不变。与其它嵌密算法相比,其抵抗通用多载体图像隐写分析和JPEG图像隐写分析的性能都有所提高。
郑传声[4]（2018）在《基于最小化嵌入失真的空域图像隐写算法研究》文中认为作为信息隐藏的一个重要分支,隐写术是将秘密信息嵌入到公开的多媒体文件中,不引起怀疑传递信息的技术,因其独特的保密性而备受信息安全领域相关学者的重视,而图像隐写术是其中的重点研究内容。设计多样化,高安全性,高嵌入率的图像隐写算法是信息安全领域的关键问题。本学位论文将在已有的最小化嵌入失真理论框架下,先对现有的隐写算法代价函数进行相应的改进,其次,重点研究使用深度学习进行隐写算法的设计。论文的主要工作和创新点如下:（1）使用最大值滤波器对隐写代价滤波,使修改位置更集中的代价扩散方法。目前的代价扩散方式主要是通过平均值滤波,虽然能使相邻像素的代价更加接近,但依然不是特别理想。本文通过使用最大值滤波器对代价进行滤波,能使得相邻像素的代价十分接近,甚至相等。实验结果表明,利用最大值滤波,信息嵌入修改的区域更加紧凑,并集中在纹理特别丰富的区域,能显着提高目前大多数算法的抗隐写分析能力。本文得出像素隐写安全性是由该局部区域内最不安全的像素点决定的结论,结合该结论对代价函数进行改进,再次提高了它们的安全性能。（2）提出使用深度学习进行隐写优先权判断的隐写方法。该方法采用卷积神经网络判断像素是否适合隐写,分两步完成。第一步先建立合适的训练图像库,模拟载体和载密图像,再利用该图像库训练一个分类的卷积神经网络,该网络实际是一个特殊的隐写分析网络。第二步通过对载体每个像素都建立和训练库一样的图片,输入到训练好的网络进行分类,通过输出的分类概率判断载体像素是否适合隐写,再给每个像素分配合适的隐写修改代价,最后在最小化嵌入失真框架下实现信息的嵌入。该方法利用隐写分析的思想来进行隐写,实验结果表明,本文提出的基于深度学习的隐写算法,可以自动提取图像的纹理特征,进而判断每个像素隐写的安全程度,因此在对抗多种隐写分析方法时,表现出更加优秀的安全性。
潘琳,钱振兴,张新鹏[5]（2016）在《基于构造纹理图像的数字隐写》文中研究说明提出一种通过构造纹理图像来隐藏信息的新型隐写方法.隐写者首先构建一个包含多种不同特征的单元库,用来表征二进制数据与图形单元之间的映射关系;根据秘密信息从单元库中选取图形,并确定图形在白纸上的摆放位置,绘制一幅含有隐写单元的图像;随后在其中添加背景元素,并通过可逆形变操作来生成一幅具有复杂纹理结构的含密图像.接收端在提取信息时,根据密钥对含密图像进行逆操作,去除背景图形后使用匹配滤波器识别源图像中的图形,通过分析其摆放位置和图形特征来提取秘密数据.实验结果表明,该方法生成的含密图像具有良好的视觉效果,使秘密数据得到了很好的隐蔽,而且通过调整参数还可以隐藏任意数量的秘密信息.
董亚坤[6]（2015）在《基于MP3的信息隐藏技术研究》文中研究表明随着网络互联技术以及多媒体信息处理技术的高速发展,多媒体信息可以在互联网络中迅速便捷地传输,给人类带来通信便利、信息共享的同时,也给信息安全领域带来巨大的困难和全新的挑战。将通信内容加密的传统技术由于当前加密体制的限制以及密文容易受到拦截等缺陷已经不能满足隐蔽通信的要求。作为加密技术的有益补充,信息隐藏技术进一步将加密的信息隐藏到常见的多媒体文件中,公开进行传输,从而不易引起攻击者的注意,实现隐蔽通信。这项崭新的信息安全技术已成为近年来信息安全领域的研究热点,并且在隐蔽通信和版权保护等方面已经得到了广泛地应用,因此,信息隐藏技术具有十分重要的研究价值和广阔的应用前景。目前,就基于音频的信息隐藏技术的研究而言主要集中在非压缩域的音频,对压缩域音频的隐藏算法研究相对较少,但是音频在现实应用中绝大部分是经过压缩之后储存和传输的,因此对压缩域的音频信息隐藏技术的研究更具有研究价值。本文主要是研究基于压缩域音频MP3的信息隐藏技术,主要做了以下两个方面的工作：1.提出一种基于MP3哈夫曼码字linbits位的隐写算法,该算法利用MP3在哈夫曼编码过程中会产生linbits的特性,首先对MP3部分解码获取linbits位,然后根据嵌入规则对linbits位进行改进的LSB嵌入秘密信息。同时,本文利用解码块类型对嵌入位置进行进一步的限制,对算法完成了改进,使得算法在具有了良好的透明性和安全性的同时,还可以达到较高的容量。2.提出一种基于MP3哈夫曼码字符号位的隐写算法,MP3在哈夫曼编码过程中会对频率系数分配符号位,算法结合上述特点首先对MP3部分解码获取符号位,然后根据嵌入规则对符号位进行秘密信息的替换。该算法可以达到相当高的容量,在透明性和安全性方面也能保证较好的平衡。
尤星,谢东峰,李宝清,袁晓兵[7]（2014）在《基于H.264的漂移深度控制视频隐写算法》文中研究指明在H.264/AVC视频压缩域隐写技术中,失真漂移问题极大地影响了信息嵌入的容量和稳定性.本文结合工程实际和实验,发现并指出了漂移传播的实质性规律,提出了相应的改进策略.首先,提出了漂移分级的控制策略,依据不同视频质量及隐蔽性要求自适应地调整失真漂移的传播范围,改进了视频隐写的隐蔽性和安全性;进而通过对漂移影响分层分析,挖掘出了更多的隐写位置,增加了隐写容量及选择隐写方案的灵活性.形成了一种新的扩容视频隐写算法——漂移深度控制算法.实验结果和分析表明,该算法能有效地减小嵌入偏移,隐写容量、视频质量及安全性都有较大提升.
刘静,汤光明[8]（2014）在《主动攻击下的隐写系统博弈模型》文中进行了进一步梳理针对隐写系统面临的主动攻击问题,对隐写方和主动攻击方之间的对抗关系进行建模,提出了以信息嵌入率和错误率两个目标为收益函数的隐写系统博弈模型。借助二人有限零和博弈基本理论,分析了隐写方和主动攻击方博弈均衡的存在性,并给出了均衡局势下对抗双方的策略求解方法。最后通过求解一个实例说明了模型的有效性。建立的模型可为隐写方和主动攻击方的最优策略选择提供理论依据,对抗主动攻击的隐写算法设计也具有一定的指导意义。
尤新刚,毛英杰,周琳娜[9]（2011）在《多媒体信息技术及安全概述》文中研究说明云计算、物联网、智慧地球与隐写、数字水印等一起构成了多媒体信息形式,对人们的生活产生了巨大影响。近年来这些技术有很大的发展,但在技术方面还存在不少的挑战,同时也在很多地方暴露出了安全和隐私方面的问题,随着人们生活的日益多媒体化,这些问题更加突出,受到越来越多的关注。文章参考国内外的一些调查和研究,从技术发展和安全的角度对新形式下的多媒体信息技术进行了总结。
孙怡峰,刘粉林[10]（2010）在《Gauss-Markov载体下扩频隐写的抗检测性能分析》文中研究指明为了研究载体数据相关性等对数字隐写安全性的影响,使用Gauss-Markov过程建模载体求解了扩频隐写系统的Kullback-Leibler divergence（KL散度）。首先,建立了以KL散度为度量标准的隐写系统安全性能分析框架;然后,选择Gauss-Markov过程建模载体,得到了扩频隐写系统的KL散度计算公式;分析相关系数、嵌入噪声相对强度、可用数据总数等参数对KL散度的影响,发现载体数据相关性越强,嵌入噪声强度越大,以及相同数据使用率下,载体可用数据总数越大,隐写系统抗检测性能越差。以图像为载体的实验结果验证了该方法的正确性。
二、安全性限制下的隐写容量分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、安全性限制下的隐写容量分析（论文提纲范文）
（1）高动态范围图像隐写技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 基于数字图像的隐写算法研究现状 |
| 1.2.2 基于数字图像的隐写分析算法研究现状 |
| 1.3 本文的主要贡献 |
| 1.4 论文的组织结构 |
| 第二章 隐写和深度学习相关研究综述 |
| 2.1 HDR图像概述 |
| 2.1.1 HDR图像的生成和存储 |
| 2.1.2 色调映射 |
| 2.2 图像隐写技术与隐写分析技术综述 |
| 2.2.1 图像隐写模型 |
| 2.2.2 图像隐写分析技术 |
| 2.2.3 图像隐写性能指标 |
| 2.3 深度学习相关工作 |
| 2.3.1 深度学习与神经网络概述 |
| 2.3.2 卷积神经网络 |
| 2.3.3 残差网络 |
| 2.3.4 自动编码器 |
| 2.4 本章小结 |
| 第三章 基于RGBE格式的HDR图像隐写算法 |
| 3.1 HDR图像的视觉感知曲线 |
| 3.2 理论分析 |
| 3.2.1 RGBE格式简介 |
| 3.2.2 指数通道对图像失真的影响 |
| 3.2.3 像素等价状态 |
| 3.2.4 确定图像边缘 |
| 3.3 算法流程 |
| 3.3.1 秘密信息预处理 |
| 3.3.2 秘密信息嵌入和提取 |
| 3.4 实验结果及分析 |
| 3.4.1 性能分析 |
| 3.4.2 综合对比 |
| 3.5 本章小结 |
| 第四章 基于卷积网络的HDR图像隐写算法 |
| 4.1 图像隐写载体选取 |
| 4.2 基于卷积网络的图像隐写技术 |
| 4.2.1 训练数据集建立 |
| 4.2.2 残差卷积网络结构 |
| 4.3 算法流程及框架 |
| 4.4 复合损失函数 |
| 4.5 训练参数 |
| 4.6 实验结果与分析 |
| 4.6.1 损失函数性能比较 |
| 4.6.2 实验结果分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
（2）数字图像安全隐写研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 隐写与隐写分析概述 |
| 1.2.1 隐写概述 |
| 1.2.2 隐写分析概述 |
| 1.3 隐写与隐写分析发展现状 |
| 1.3.1 隐写发展现状 |
| 1.3.2 隐写分析发展现状 |
| 1.4 论文研究内容与结构安排 |
| 1.4.1 主要研究成果 |
| 1.4.2 论文结构安排 |
| 第二章 隐写研究进展 |
| 2.1 单载体隐写 |
| 2.1.1 早期隐写 |
| 2.1.2 最小化图像失真隐写 |
| 2.1.3 稳健隐写 |
| 2.2 多载体隐写 |
| 2.2.1 多载体隐写概述 |
| 2.2.2 载体选择 |
| 2.2.3 嵌入量分配 |
| 2.3 无载体隐写 |
| 2.3.1 无载体隐写概述 |
| 2.3.2 生成式隐写 |
| 2.3.3 行为隐写 |
| 2.4 本章小结 |
| 第三章 JPEG隐写失真函数优化 |
| 3.1 研究内容简介 |
| 3.2 相关工作 |
| 3.2.1 JPEG失真函数设计 |
| 3.2.2 JPEG失真函数优化 |
| 3.2.3 JPEG隐写分析 |
| 3.2.4 维纳滤波 |
| 3.3 JPEG失真函数优化方法 |
| 3.3.1 参考图像构造 |
| 3.3.2 三元修改的非对称性 |
| 3.3.3 失真函数优化 |
| 3.3.4 信息嵌入与提取 |
| 3.4 实验结果与分析 |
| 3.4.1 实验设置 |
| 3.4.2 图像质量 |
| 3.4.3 特征距离比较 |
| 3.4.4 隐写抗检测性 |
| 3.5 本章小结 |
| 第四章 联合载体选择与嵌入量分配的多载体隐写 |
| 4.1 研究内容简介 |
| 4.2 失真函数的凹性 |
| 4.3 隐写失真最优化 |
| 4.4 多载体隐写方法 |
| 4.5 实验结果与分析 |
| 4.5.1 实验设置 |
| 4.5.2 方法抗检测性 |
| 4.6 本章小结 |
| 第五章 抗批量隐写分析的载体选择 |
| 5.1 研究内容简介 |
| 5.2 图像与个体层面的隐写安全 |
| 5.2.1 图像层面的隐写安全 |
| 5.2.2 个体层面的隐写安全 |
| 5.3 安全的载体选择方法 |
| 5.3.1 现有方法缺陷 |
| 5.3.2 本章方法 |
| 5.4 实验结果与分析 |
| 5.4.1 实验设置 |
| 5.4.2 选择图像对比 |
| 5.4.3 个体层面安全性 |
| 5.4.4 图像层面安全性 |
| 5.5 本章小结 |
| 第六章 规避预处理的载体选择 |
| 6.1 研究内容简介 |
| 6.2 预处理对隐写的影响 |
| 6.3 规避预处理的载体选择方法 |
| 6.3.1 预处理失真 |
| 6.3.2 嵌入失真 |
| 6.3.3 失真融合与载体选择 |
| 6.4 实验结果与分析 |
| 6.4.1 实验设置 |
| 6.4.2 安全性对比 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者在攻读博士学位期间取得的科研成果 |
| 作者在攻读博士学位期间参与的项目 |
| 致谢 |
（3）多载体图像隐写研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外文献综述 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 相关技术介绍 |
| 2.1 隐写术 |
| 2.2 单载体图像隐写 |
| 2.2.1 单载体图像隐写Moulin模型 |
| 2.2.2 单载体图像隐写安全性分析 |
| 2.3 多载体图像隐写 |
| 2.3.1 多载体图像隐写理论模型 |
| 2.3.2 多载体图像隐写安全性分析 |
| 2.4 通用多载体图像隐写分析 |
| 2.5 本章小结 |
| 第3章 两种多载体图像隐写嵌密策略 |
| 3.1 概述 |
| 3.2 基于载体图像纹理复杂度的嵌密策略 |
| 3.2.1 最大隐写容量估算 |
| 3.2.2 秘密信息分配 |
| 3.3 基于载体图像失真统计分布的嵌密策略 |
| 3.4 策略相关分析 |
| 3.5 实验 |
| 3.5.1 抵抗多载体图像隐写分析的性能 |
| 3.5.2 抵抗SRM隐写分析的性能 |
| 3.6 本章小结 |
| 第4章 基于JPEG图像DCT块间相关性的多载体隐写方法 |
| 4.1 概述 |
| 4.2 保持DCT系数块间相关性的方法 |
| 4.3 基于JPEG图像DCT系数块间相关性的多载体隐写方法 |
| 4.3.1 嵌密算法 |
| 4.3.2 提取算法 |
| 4.4 算法相关分析 |
| 4.5 实验 |
| 4.5.1 调整参数α的影响 |
| 4.5.2 抵抗JSRM隐写分析的性能 |
| 4.5.3 抵抗多载体图像隐写分析的性能 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 攻读学位期间所发表的学术论文目录 |
| 附录B 攻读学位期间所发参与的项目目录 |
| 致谢 |
（4）基于最小化嵌入失真的空域图像隐写算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 隐写的研究现状 |
| 1.3 隐写分析的现状 |
| 1.4 本文的主要工作和组织结构 |
| 第二章 数字图像隐写与评估 |
| 2.1 隐写算法设计基本原则 |
| 2.1.1 复杂度优先 |
| 2.1.2 代价扩散 |
| 2.1.3 修改聚集 |
| 2.2 失真函数 |
| 2.2.1 加性失真函数 |
| 2.2.2 非加性失真函数 |
| 2.3 隐写代价函数 |
| 2.3.1 隐写代价函数的定义 |
| 2.3.2 隐写代价函数的研究现状 |
| 2.4 最小化嵌入失真框架 |
| 2.4.1 最小化嵌入失真原理 |
| 2.4.2 STC编码 |
| 2.5 图像隐写算法的评价指标 |
| 2.6 本章小结 |
| 第三章 隐写代价函数优化 |
| 3.1 代价扩散方法优化 |
| 3.1.1 滤波器的选择 |
| 3.1.2 参数选择 |
| 3.1.3 抗隐写分析性能比较 |
| 3.1.4 实验结论 |
| 3.2 MiPOD和MVGG代价函数优化 |
| 3.3 本章小结 |
| 第四章 基于深度学习的空域代价分配算法 |
| 4.1 深度学习基本概念 |
| 4.2 基于深度学习隐写分析的研究现状 |
| 4.3 基于深度学习的隐写算法设计 |
| 4.3.1 设计思想 |
| 4.3.2 模型及参数设置 |
| 4.3.3 隐写代价分配 |
| 4.4 实验结果与分析 |
| 4.4.1 数据预处理 |
| 4.4.2 抗隐写分析性能评估 |
| 4.5 隐写步骤再优化 |
| 4.5.1 隐写可疑度优化 |
| 4.5.2 抗隐写分析性能比较 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）基于MP3的信息隐藏技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 音频信息隐藏技术的现状 |
| 1.3 音频信息隐藏技术评价标准 |
| 1.4 本文的研究内容 |
| 1.5 本文的结构安排 |
| 第二章 MP3编解码原理及帧结构 |
| 2.1 MP3编码原理 |
| 2.2 MP3解码原理 |
| 2.3 MP3帧结构 |
| 2.4 本章小结 |
| 第三章 基于MP3哈夫曼码字linbits位的隐写算法 |
| 3.1 MP3的码流结构 |
| 3.2 嵌入算法 |
| 3.2.1 改进的LSB简述 |
| 3.2.2 具体嵌入过程 |
| 3.3 改进的嵌入算法 |
| 3.4 提取算法 |
| 3.5 实验结果与分析 |
| 3.5.1 实验环境 |
| 3.5.2 嵌入容量分析 |
| 3.5.3 透明性分析 |
| 3.5.4 安全性分析 |
| 3.5.5 实时性分析 |
| 3.6 本章小结 |
| 第四章 基于MP3哈夫曼码字符号位的隐写算法 |
| 4.1 嵌入算法 |
| 4.2 提取算法 |
| 4.3 实验结果与分析 |
| 4.3.1 嵌入容量分析 |
| 4.3.2 透明性分析 |
| 4.3.3 安全性分析 |
| 4.3.4 实时性分析 |
| 4.4 本章小结 |
| 第五章 结束语 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（7）基于H.264的漂移深度控制视频隐写算法（论文提纲范文）
| 1 引言 |
| 2 漂移规律的形成机理探讨 |
| 2.1 帧内预测漂移概念及符号说明 |
| 2.2 漂移规律的提出及形成机理分析 |
| 3 漂移深度控制策略的构架 |
| 3.1 漂移深度的分级处理 |
| 3.2 漂移深度为0的隐写策略 |
| 3.2.1 预测方向相反,不产生漂移 |
| 3.2.2 误差漂移自消除 |
| 3.2.3 嵌入数据的误差相互补偿消除 |
| 3.3 漂移深度为1的隐写策略 |
| 3.4 多级漂移与视频隐写质量控制 |
| 3.5 隐写算法 |
| 3.5.1 嵌入步骤 |
| (1)可隐写元素集的选取: |
| (2)隐写编码 |
| 3.5.2 提取步骤 |
| 4 实验结果和分析 |
| 4.1 实验参数设置 |
| 4.2 实验结果和分析 |
| 4.2.1 嵌入效率 |
| 4.2.2 抗攻击性实验 |
| 5 结束语 |
（9）多媒体信息技术及安全概述（论文提纲范文）
| 0 引言 |
| 1 信息安全的复杂性及战略意义 |
| 2 隐写与数字水印 |
| 2.1 隐写与隐写分析 |
| 2.1.1 隐写与隐写分析技术最新理论进展 |
| 2.1.2 隐写与隐写分析最新技术研究进展 |
| 2.2 数字水印 |
| 2.3 数字多媒体取证 |
| 3 物联网与智慧地球 |
| 3.1 物联网概述 |
| 3.2 物联网建设面临的挑战 |
| 3.3 物联网最新研究进展 |
| 3.4 智慧地球 (Smart Planet) |
| 4 云计算及其安全性 |
| 4.1 云计算概述 |
| 4.2 云计算风险评估[48] |
| 4.3 云计算隐私安全 |
| 4.4 云计算最新研究进展 |
| 4.5 云计算研究建议 |
| 5“两化融合”和“三网合一”的新挑战 |
| 6 结语 |
（10）Gauss-Markov载体下扩频隐写的抗检测性能分析（论文提纲范文）
| 引言 |
| 1 隐写系统抗检测性能分析的基本方法 |
| 1.1 抗检测性能的度量方法 |
| 1.2 隐写系统抗检测性能分析 |
| 2 Gauss-Markov载体下扩频隐写的抗检测性能 |
| 2.1 Gauss-Markov载体下扩频隐写的KL散度 |
| 2.2 抗检测性能分析 |
| 3 实验结果 |
| 4 结束语 |
四、安全性限制下的隐写容量分析（论文参考文献）
- [1]高动态范围图像隐写技术研究[D]. 乔彦. 电子科技大学, 2021(01)
- [2]数字图像安全隐写研究[D]. 王子驰. 上海大学, 2020(03)
- [3]多载体图像隐写研究[D]. 殷娇娇. 湖南大学, 2018(01)
- [4]基于最小化嵌入失真的空域图像隐写算法研究[D]. 郑传声. 北京邮电大学, 2018(10)
- [5]基于构造纹理图像的数字隐写[J]. 潘琳,钱振兴,张新鹏. 应用科学学报, 2016(05)
- [6]基于MP3的信息隐藏技术研究[D]. 董亚坤. 北京邮电大学, 2015(08)
- [7]基于H.264的漂移深度控制视频隐写算法[J]. 尤星,谢东峰,李宝清,袁晓兵. 电子学报, 2014(07)
- [8]主动攻击下的隐写系统博弈模型[J]. 刘静,汤光明. 计算机应用, 2014(03)
- [9]多媒体信息技术及安全概述[J]. 尤新刚,毛英杰,周琳娜. 信息安全与通信保密, 2011(10)
- [10]Gauss-Markov载体下扩频隐写的抗检测性能分析[J]. 孙怡峰,刘粉林. 数据采集与处理, 2010(04)